xAI ปล่อย Grok Voice Think Fast 2.0 ออกมา…
จากตารางเทียบ เวลาก่อนได้ยินเสียงแรกคือ 0.70 วินาที ของรุ่นก่อนหน้าคือ 1.25 ส่วน Gemini 3.1 Flash อยู่ที่ 2.98 วินาที ใครเคยคุยกับ AI ด้วยเสียงจะรู้ว่าความเงียบสามวินาทีระหว่างเราถามกับมันตอบ มันทำให้บทสนทนาพังตั้งแต่ประโยคแรก
วิธีที่เขาทำให้เร็วคือให้มันคิดไปพูดไปพร้อมกัน ไม่ใช่คิดให้จบก่อนแล้วค่อยเปิดปาก แล้วรอบนี้เขาฝึกให้ใช้จำนวนความคิดน้อยลงเหลือ 0.4 เท่าของรุ่นก่อน ผลคือเวลาต้องไปเรียกใช้เครื่องมืออะไร มันเรียกเสร็จตั้งแต่ยังพูดประโยคแรกไม่จบ
อีกส่วนที่เขาเคลมแรงคือการถอดเสียง บอกว่าแม่นกว่า Deepgram Nova 3 กับ ElevenLabs Scribe v2 อยู่ราวหนึ่งเท่าครึ่งถึงสองเท่า และถ้าเป็นที่ที่มีเสียงรบกวนหรือคุยผ่านสายโทรศัพท์ ช่องว่างถ่างเป็นสิบเท่า เทสไว้ 24 ภาษา
แต่ต้องบอกไว้ตรงนี้ครับว่าใน 24 ภาษานั้นไม่มีภาษาไทย มีจีน ญี่ปุ่น ฮินดี กวางตุ้ง อาหรับ แต่ไทยไม่อยู่ในลิสต์ เพราะฉะนั้นตัวเลขพวกนี้ยังบอกอะไรเรื่องงานไทยไม่ได้ ใครจะเอามาถอดเสียงไทยต้องไปลองเองก่อน
ที่ผมชอบคือเขาไม่ได้เชียร์ตัวเองทุกช่อง ในตารางของเขาเอง ช่องจังหวะการสนทนา GPT-Realtime ชนะอยู่ที่ 95.7 ต่อ 95.1 แล้วเขาก็ไฮไลต์สีให้เห็นชัดๆ ว่าคู่แข่งชนะช่องนี้ ไม่ได้ทำเนียนข้ามไป แถมตัวเลขทั้งตารางมาจาก Artificial Analysis ซึ่งเป็นคนนอก ไม่ใช่รันเอง
ราคา 0.08 ดอลลาร์ต่อนาที คิดเป็นเงินไทยราวสองบาทกว่าๆ ต่อนาทีที่คุย ใครใช้ตัวเก่าอยู่ 5 สิงหาคมนี้ระบบจะเลื่อนไปตัวใหม่ให้เอง ถ้าอยากอยู่ตัวเดิมต้องไปตั้งค่าล็อกไว้ก่อนวันนั้น
อยากใช้ AI กับงานจริงเป็นระบบ?
เรียน Claude Method — วิธีคิดและลงมือใช้ Claude/AI กับงานจริง ตั้งแต่วันแรก
📍 โพสต้นฉบับบน Facebook: AI กับ Peesamac